Webhelyek metaadatolási problémái · 2020. 4. 21. · Az OSZK webarchiválási pilot projektjében a Szab-ványosítási Iroda feladata az volt, hogy segédkezzen a webarchívum

74 Könyvtári Figyelõ 2020/1

Műhely

Az OSZK webarchiválási pilot projektjében a Szab-ványosítási Iroda feladata az volt, hogy segédkezzen a webarchívum szabványos metaadat-struktúrájának kialakításában. A munka még folyik, a jelen cikk egy-fajta helyzetjelentés az eddig megtett útról.De mit is értünk a webarchívum szabványos meta-adat-struktúrájának kialakítása alatt? Ahhoz, hogy erre választ adjunk, először meg kell értenünk a forrást és el kell helyeznünk az ismert bibliográ-fiai univerzumban. Milyen metaadatai vannak a forrásnak? Ezek hogyan aránylanak más források metaadataihoz?A metaadatokat többféle rendszer szerint sorolhatjuk kategóriákba. Azért választottuk ehhez a munká-hoz a National Information Standards Organization (NISO) által kidolgozott modellt, mert ez a felosztás a jogi metaadatot külön kategóriaként kezeli. A tar-talomhoz kapcsolódó szerzői jogok az elektronikus kiadványoknál nagyon komoly következménnyel járnak a szolgáltathatóság tekintetében, ezért is tar-tottuk fontosnak ezzel a típussal külön foglalkozni. A metaadatoknak nincs egy egységes, minden szi-tuációra alkalmazható felosztása. Amikor metaadat-

tipizálást választunk a projektünkhöz, akkor tulaj-donképpen nézőpontot választunk. Ezért fontos, hogy amikor metaadattípusokról beszélünk mindig hivat-kozzuk meg, hogy melyik felosztás szerint beszélünk az adott típusról, hiszen más lehet egy típus tartalma attól függően, hogy melyik tipizálás részét képezi.Tehát, ha a NISO-féle tipizálás szemüvegén keresz-tül nézünk a webarchiválásra, akkor milyen típu-sú metaadatokra számíthatunk ebben a közegben? Egyrészt leíró metaadatra, ami a forrás visszake-reshetőségét és azonosíthatóságát biztosítja. Illetve adminisztratív metaadatra, ami tulajdonképpen egy ernyőkifejezés, amibe beleértjük azokat az informáci-ókat, amelyek a forrás kezeléséhez szükségesek, vagy amelyek a forrás keletkezéséhez köthetőek. Az ad-minisztratív adatok körén belül külön kiemelendők:a technikai metaadatok, információk a digitális fáj-lokról, amik ahhoz szükségesek, hogy dekódolni és tulajdonképpen használni tudjuk ezeket a fájlokat,megőrzési metaadat, ami a digitális fájlok hosszú távú kezelését, esetleges jövőbeni migrációját segíti ésjogi metaadat, ami a tartalomhoz kapcsolódó szellemi tulajdoni jogokat írja le.1

Webhelyek metaadatolási problémái

ILÁCSA Szabina

75Könyvtári Figyelõ 2020/1

WEBHELYEK METAADATOLÁSI PROBLÉMÁI

Metaadat típusa Jellemző tulajdonságok Elsődleges használat

Leíró metaaadat

címszerzőtárgyműfajmegjelenési dátum

discovery2megjelenítésinteroperabilitás

Technikai metaadat

fájltípusfájlméretlétrehozás dátuma/idejetömörítési séma

interoperabilitásdigitálisobjektum-kezelésmegőrzés

Megőrzési metaadatchecksummegőrzési esemény

interoperabilitásdigitálisobjektum-kezelésmegőrzés

Jogi metaadatszerzői jogi státuszlicencfeltételekjogtulajdonos

interoperabilitásdigitálisobjektum-kezelés

Strukturális metaadat sorrendhely a hierarchiábannavigáció

Jelölőnyelvek

bekezdésheadinglistanévdátum

navigációinteroperabilitás

1. ábra A NISO metaadat-felosztása tipikus jellemzőkkel3

Eltérő mértékben ugyan, de minden forrás többféle típusú metaadattal rendelkezik. Könyvtári környe-zetben jellemzően olyan forrásokkal dolgozunk, amelyeknél leghangsúlyosabban a leíró metaadatok vannak jelen és a többi kategória adatelemei (már ha vannak) nem annyira hangsúlyosak, illetve használói érdeklődésre sem feltétlenül tartanak számot ezek az adatok. A webarchívumnál a leíró metaadat mellett meghatározó az adminisztratív és ezen belül/mellett főleg a technikai metaadat, illetve, ahogy azt már fentebb említettem, a jogi metaadat. Sőt, bizonyos esetekben ezek jelentősebbek is, mint a leíró adat. Használói érdeklődésre is számot tartó információ például az is, hogy milyen mélységű a mentés, vagy van-e valami, amit nem sikerült lementeni. Kutatási szempontú webarchívum-használatnál fontos tudnia a kutatónak, hogy a mentés mennyire ad hű képet a forrás akkori állapotáról. A tartalomhoz kapcsolódó szerzői jog tulajdonosának hozzájárulása nélkül nincs lehetőség az archivált webhely nyilvános szolgáltatá-sára, így a forrás jogi helyzetéhez kapcsolódó adatok megfelelő nyilvántartása a webarchívum mint szol-gáltatás alapját képezik.

Tehát amikor egy webarchívum metaadatstruktúráját tervezzük, akkor ezekre a típusú metaadatokra is gondolnunk kell.

Metaadatok a levéltárakban és a könyvtárakbanA webarchívumok metaadatolására nincsenek nem-zetközileg kiforrott jó gyakorlatok,

– egyrészt mivel ez a bibliográfiai forrás (továb-biakban forrás) közgyűjtemények keretei között meglehetősen újnak számít,

– másrészt mivel két, nagyon különböző meta-adatolási szokásokkal rendelkező intézmény végez web archi vá lást: a levéltár és a könyvtár.

Kiforrott jó gyakorlat ugyan még nincs, de 2018-ban megjelent egy ajánlás az OCLC részéről4. Az ajánlás hat célt fogalmazott meg:1. Kialakítani közösség- és szabványsemleges

gyakorlatokat az archivált webtartalmak leíró metaadatainak számára, tekintettel mind a vég-felhasználók, mind a metaadatolással foglalkozó gyakorló szakemberek igényeire.

2. Definiálni egy alap adatelem-csoportot használati


ILÁCSA SZABINA

útmutatásokkal, amik az adattartalom létrehozá-sára vonatkoznak.

3. Biztosítani azt, hogy a megfogalmazott adatele-mek használhatóak legyenek más szabványokkal/szabályzatokkal együtt is, amely szabványok/sza-bályzatok sokkal részletezőbb adatelem-készlettel rendelkeznek.

4. Hidat képezni a bibliográfiai és a levéltári meg-közelítés között a leírás tekintetében.

5. Rugalmas megközelítést kell használni, hogy ne legyen szükség túl részletes leírásra, vagy hogy ne legyen szükség a rekord alapjait érintő változ-tatásra az idők során.

6. Megnyugtatni a gyakorló szakembereket, hogy bár a terület még fejlődőben van, amit csinálnak, az egy következetes gyakorlattá fog összeállni.

Amint az látható, az OCLC ajánlás egyfajta közös alapot kívánt teremteni a már létező gyakorlatok között. De mitől lettek ennyire különbözőek ezek a gyakorlatok?Mint már említettem, a levéltári és a könyvtári terület nagyon különböző metaadatolási szokásokkal rendel-kezik. Hogy miben áll ez a különbség, az egy meg-lehetősen komplex kérdés, mivel a gyakorlatban az állomány eseti sajátosságai miatt a helyzet nem olyan fekete-fehér, mint ahogy azt most ábrázolni fogom. Ugyanakkor, mivel nem ez a cikkem fő témája, in-dokoltnak tartom a kérdés leegyszerűsítését. Aki bő-vebben szeretne az egyes intézmények metaadatolási szokásairól olvasni, annak ajánlom kiindulópontként a Levéltári kézikönyv és a Könyvtárosok kézikönyve megfelelő szakaszait.5, 6A levéltári és a könyvtári feldolgozás közti alapvető különbséget az általuk gyűjtött anyag jellege adja, a metaadatolás csupán leképezi ezt a különbséget.A levéltári anyag iratszinten jellemzően önmagában nem, vagy csak nagyon nehezen értelmezhető, nem publikált egységekből áll. A kontextus elsődleges fontosságú, mind a feltáró munka, mind a felhasz-nálás során. A levéltárak alapvetően csoportokban gondolkodnak az állományukról. Az őrizetükben lévő levéltári anyagot kisebb-nagyobb részekre ta-golják, és az így kialakított részeket csoportosítják, kialakítják azok egymáshoz való viszonyát, végül meghatározzák a helyüket a teljes levéltári anyagon belül.7 Az eligazodást segítendő az állományról kü-lönböző segédleteket készítenek. A levéltári segédlet csak arra a levéltárra vonatkozik, ahol előállították.A könyvtár nagy példányszámú, publikált forrásokkal dolgozik. A forráshoz kapcsolódó metaadatok nyil-

vánosak, a használók számára máshonnan is hozzá-férhetőek. A metaadat-tartalom alapvető kiindulási alapja a forrás önleírása. A forráshoz kapcsolódó metaadatok – az előállító gazdasági érdeke miatt – a lehetőségek szerint egyediek, és alkalmasak a forrás beazonosítására. Ahol ezt az egyediséget nem sike-rült megvalósítani, ott a könyvtáros a hozzáférési pont megfogalmazásakor ezt kiegészítő információk megadásával pótolja. A forrás leírása független az el-helyezéstől és jelentős részben attól is, hogy melyik intézmény birtokolja. Az intézményspecifikus infor-mációk jól elkülönítettek. Ezért a leírás alkalmas arra, hogy mások újra felhasználják.

Hogy néz ki ez a két szemlélet, ha a webarchívumokra vetítjük ôket?Ha kizárólag levéltári forrásként tekintünk az archi-vált oldalra, akkor:

– már eleve adunk a felhasználónak kategóriákat, az anyagot nem feltétlenül magának kell ösz-szeállítani,

– viszont, mint minden kategorizálásnál, itt is csak törekedhetünk az objektivitásra, de teljesen nem fogjuk tudni elérni. A válogatás tükrözi a váloga-tója tudását, elképzelését stb., van ugyan lehető-ségünk a leírásban megadni, hogy mit tekintünk a kategória határának. Ettől persze a szubjekti-vitás nem csökken, viszont legalább támpontot adunk az értelmezéshez.

– Mivel itt nem egy darab fizikai példányt kell elhelyeznünk, egy forrás több csoportba is be-sorolható; így a felhasználó kissé kevésbé van korlátozva az általunk felállított kategóriák ál-tal, mint a papír alapú gyűjtemény esetén lenne, a korlátozás ugyanakkor adott.

– Ha egy konkrét webhelyet keresünk és nem tud-juk az URL-jét, akkor csak a teljes szövegű ke-resésben reménykedhetünk.

– Ha az egyedi forrás szintje egyáltalán nincs feltárva, az nemcsak a felhasználónak okozhat problémát, hanem nekünk is. Például ha egy új csoportot szeretnénk kialakítani, akkor a váloga-tást kénytelenek leszünk külső forrásra támasz-kodva elvégezni.

Ha viszont kizárólag könyvtári forrásként tekintünk az archivált oldalra, akkor:

– a forrás több szempont szerint is kereshetővé válik és nem csak szubjektív kategóriák szerint,

– a felhasználót nem kötik a csoportjaink, a ke-



reséskor a találati halmazban maga alakíthat ki csoportokat,

– a felhasználó több információt kap az adott for-rásról,

– nagy tömegű anyag feldolgozása szinte lehe-tetlen kihívás emberi erőforrás számára. Elvi lehetősége van annak, hogy automatikusan is kinyerhetünk metaadatokat a forrásból, viszont a jelenlegi tapasztalat azt mutatja, hogy még nem nyerhető ki a forrásból megfelelő minősé-gű metaadat. Ha a magyar webtartalom-előállí-tók között elterjed az archívumbarát weboldal ajánlás8 szerinti weboldalkészítés, érdemes lesz újra megvizsgálni, hogy mennyiben automati-zálható a leírás.

Szóval melyik nézőpont „A” helyes, ha a web archí-vu mokról beszélünk?Ez attól függ, hogy milyen webarchívumot akarunk létrehozni. Milyen széles a gyűjtőkör? Milyen meny-nyiségű az anyag? Milyen céllal archiválunk? Milyen típusú archívumhasználatot várok a felhasználómtól? Egy konkrét forrást fog-e keresni, vagy inkább forrá-sok egy csoportját? Esetleg mindkettőt? Ha csoportot, akkor milyen csoportosítás lenne a megfelelő? És ho-gyan fog hozzáférni a kívánt tartalmakhoz, ha a cso-portosításunk nem fedte le az információs igényét?Ahogy az látható, mindegyik nézőpontnak megvan a maga erőssége és gyengéje. Így célszerű abban gon-dolkodni, hogy hogyan tudnánk a két nézőpontot úgy érvényesíteni, hogy mindkettő előnyeit élvezhessük.

Milyen kategóriák vannak a Magyar Internet Archívumban?

Ahogy látható, a Magyar Internet Archívum (MIA) kezdetektől fogva ennek a hibrid nézőpontnak az érvényesítésére törekszik. Két kategória létezik: az egyedi leírások tárgya csak egy adott webhely, a gyűjteményi szint pedig többféle lehet a válogatás alapja szerint.

A gyűjteményi szint típusai: – Tematikus: a válogatás alapja valamilyen téma-kör, szakterület, művészeti ág, műfaj, intézmény-típus stb. (pl. sport, könyvkiadás, irodalom, e-pe-riodika, egyetem);

– eseményalapú: a válogatás alapja valamilyen rendezvény, országos vagy nemzetközi szintű esemény/eseménysorozat, évforduló, katasztró-fa- vagy egyéb vészhelyzet, botrány stb. (pl. vi-

lágtalálkozó, olimpia, választások, centenárium, árvíz, terrorakció, tüntetés);

– intézményalapú: a válogatás köre egy adott in-tézmény/szervezet/cég/csoport saját online tar-talmaira és/vagy a róla szóló webhelyekre/web-oldalakra terjed ki (pl. az OSZK saját honlapjai és webkettes felületei);

– személyalapú: a válogatás köre egy vagy néhány személy saját online tartalmaira és/vagy a róla/róluk szóló webhelyekre/weboldalakra terjed ki (pl. Arany János művei és a vele kapcsolatos írá-sok, képek, videók stb.);

– földrajzi hely alapú: a válogatás köre egy jelen-legi vagy múltbeli földrajzi/közigazgatási egy-séggel vagy annak valamely elemével kapcso-latos webhelyekre/weboldalakra terjed ki (pl. a Balaton és környéke, a Budai vár);

– vegyes: a válogatásnál valamilyen egyéb szem-pont volt a lényeg és ezért a részgyűjtemény nem kötődik egy adott fogalomhoz vagy dologhoz;

– webtér szintű: az aratás a magyar vonatkozású webtartalmak jelentős részére terjed ki, más vá-logatási szempont nincs.9

A gyűjteményi kategóriák között nincs formálisan kifejezett kapcsolat. Gyűjtőkör tekintetében a webtér szintű gyűjtemény mindegyik gyűjtemény felettese, de a gyakorlatban ez nem jelent rész-egész kapcso-latot. Az eseményalapú gyűjtemény több szempont-ból is különbözik a többi gyűjteménytől. Egyrészt a többinél jellemzően teljes webhelyeket mentenek, az eseményalapúnál pedig csak a releváns részeket, másrészt a mentés csak egy előre meghatározott, le-zárt időintervallumban történik.Jelenleg egyedi leírás arról készül, ami nyilváno-san szolgáltatható, de ez a jövőben minden bizony-nyal változni fog. Az egyedi webhelyek részletes metaadatolását célszerű meghagyni a gyűjtőkör szempontjából kiemelten fontos tartalmaknak. Ezek-nek a köre még nincs pontosan definiálva, emiatt azt sem tartom kizártnak, hogy a végleges változatban nemcsak minimális és részletes szint lesz meghatá-rozva, hanem ennél több kategória kerül majd ki-alakításra.A munkát az egyedi webhelyekkel kezdtük, mivel azok jobban hasonlítanak a tradicionális könyvtári forrásokhoz. Itt a könyvtári nézőpontot gondoltuk érvényesíteni, és ehhez a LRM-re átdolgozott RDA-t hívtuk segítségül.


ILÁCSA SZABINA

LRMA Library Reference Model (LRM – könyvtári referensz modell) egy magas szinten definiált en-titáskapcsolati modell, amely a tág értelemben vett bibliográfiai adatra vonatkozik. Nem tesz az adatok között olyan jellegű különbséget, hogy jel-lemzően milyen típusú rekordokban szoktuk ezeket tárolni. Az LRM magyar fordításban is elérhető az IFLA honlapjáról10.Az LRM adta nézőpont arra jó, hogy feltérképezzük vele a forrás metaadatainak belső struktúráját, illetve más forrásokkal/entitásokkal való kapcsolati hálóját. Így feltárul az adatok egymáshoz való viszonya. Az LRM egy elméleti modell, egy szemléletmód. Nem elég részletes ahhoz, hogy eszerint katalogizáljunk, viszont adhatja a vázát egy katalogizálási szabály-zatnak.

2. ábraLRM áttekintő diagram11

Ilyen katalogizálási szabályzat például a Resource Description and Acces (RDA). Jelen munkához a már LRM szerint átdolgozott RDA-t használtuk. Az RDA az LRM koncepciójára épülő adatelemek, irányelvek és instrukciók összessége.Ennek a cikknek nem célja az RDA részletesebb

bemutatása. A téma iránt mélyebben érdeklődők fi-gyelmébe ajánlanám az OSZK honlapján található bibliográfiát az RDA-ról eddig megjelent cikkekről.12Az RDA jó alapot biztosít arra, hogy átgondoljuk, ho-gyan tudnánk legjobban kihasználni a metaadataink adta potenciált, majd ezt az ideális állapotot hozzá tudjuk igazítani azokhoz a korlátokhoz, amit a jelen rögzítési lehetőségeink vagy a kapacitásunk jelen-tenek.Az ideális állapot kidolgozása azért fontos, mert a jelen körülmények nem jelentenek állandó helyzetet. Változhatnak a rögzítési formátumaink és változhat a kapacitásunk is. Ha már tervezéskor is csak a kor-látainkban gondolkodunk, akkor lemondunk arról, hogy alakíthassuk ezt a környezetet, és az a helyzet állhat elő, hogy konzerválódik egy olyan gyakorlat, ami már meghaladható lenne.

Webarchiválás LRM-es megközelítésbenHa az LRM szerint nézünk a webarchiválásra, ak-kor azt látjuk, hogy igazából két különböző forrás érdekelheti a használót. Egyrészt az az oldal, amiről a mentés készült (továbbiakban aktív), illetve maga



a mentett oldal (továbbiakban archív).Milyen viszonyban áll egymással ez a két oldal? Ugyanannak a kifejezési formának a két külön meg-jelenési formájáról beszélünk vagy két külön műről? Az azonos kifejezési forma – külön megjelenési for-ma mellett szól, hogy a digitális másolatokat általá-ban ennek tekintettük.Az archivált weboldal egy fontos vonatkozásban kü-lönbözik a digitális másolatoktól. A digitális másola-tok egy stabil tartalmú fizikai példányról készülnek, az archiválás viszont erősen transzformatív dolog. Adott egy folyamatosan változó forrás, ahol a tar-talmak fel-és eltűnnek, hozzáadnak, meglévőt mó-dosítanak és van, amikor levesznek tartalmakat. Ar-chiváláskor mi önkényesen választott pillanatokban lementjük az éppen aktuális állapotot, és előfordul, hogy ez a mentés technikai okok miatt nem teljes. Le-het-e azt állítani, hogy nálunk lementett állapot hűen tükrözi az eredetije szellemi vagy művészi tartalmát?Mi úgy gondoljuk, hogy helytállóbb az, ha az aktív és az archív oldalt két külön műnek tekintjük, amelyek között szoros kapcsolat áll fent.Ettől a kérdéstől függetlenül két leírásban gondol-kodunk. A két leírást nem az a választás indokolja, hogy a két oldalt két külön műnek tekintjük. A két forrás legalább megjelenési forma szinten biztosan elkülönül, így ha a megjelenési forma és példány-szintű adataikat szeretnénk jól elkülönülten kezelni, két leírásra van szükség.

Mit csináltunk eddig?Többféle módszer létezik arra vonatkozóan, hogy hogyan lehet egy gyűjtemény metaadatstrukúráját kialakítani. Ezek a módszerek azt feltételezik, hogy a nulláról indulunk. A mi kiinduló helyzetünk azonban egy kicsit más volt. Ha valaki felkeresi a Magyar In-ternet Archívum (MIA) demo oldalát, akkor láthatja, hogy készültek már leírások a mentett oldalakhoz. A leírások metaadatelemeinek kidolgozása az OCLC ajánlás alapján történt. Mind az OCLC ajánlás, mind a MIA specifikációja 14 leíró elemet tartalmazott, de ezek közül csak 11 feleltethető meg egymásnak egy az egyben (collector, contributor, creator, date, description, language, relation, rights, source of description, subject, title)*, az extentet a MIA nem vette át, a publisher az OCLC ajánlásban nem talál-ható meg. Illetve van két elem, ami a MIA-ban bő-

vebb értelmű, mint az OCLC ajánlásban (genre/form < dc_type; URL < dc_identifier). A 14 elem csak a leíró adatokra vonatkozik és (szinte) mindegyik to-vább tagolódik alelemekre. Az egyedi webhelyekhez készült metaadatolási útmutató 91 leíró alelemet kü-lönböztet meg, az összes metaadattípus alelemeinek száma pedig 133.13Ezeket a leírásokat és az ott definiált adatelemeket tekintettük a munka kiindulási alapjának. Az ottani leírások még olyan szemlélettel készültek, hogy egy leírás készül, ami vegyesen tartalmaz aktív és archív oldalra vonatkozó adatokat.A módszerek közül a Zeng-Quin Metadata című könyvében található módszert választottuk tulajdon-képpeni sorvezetőnek.14 A szerzők többféle módszer és a saját tapasztalataik alapján dolgozták ki a ma-guk módszerét.15, 16, 17, 18 Azért erre a módszerre esett a választás, mert az általa megfogalmazott lépések könnyebben voltak igazíthatók az elképzeléseinkhez.A módszer lépéseit bizonyos helyeken módosítottuk, vagy átugrottuk, tekintve hogy itt egy már meglévő metaadatstruktúra átstrukturálása, kiegészítése és interoperabilitásának javítása volt a cél, nem pedig egy teljesen új felépítése.I. Szakasz – Elemezni és „megérteni” a gyűjteményt

1. Vizsgáljuk meg a leírni kívánt forrásokat. Vizsgáljunk meg annyi előfordulást, amennyit

csak lehet, hogy megtudjuk, mik ezeknek az információhordozóknak a közös jellemzőik.

2. Vázoljuk fel a használni kívánt elemeket.II. Szakasz – Elemkészlet vagy alkalmazásprofil ki-

dolgozása a gyűjteményhez3. Fogalmazzuk meg a funkcionális követelmé-

nyeket. Tegyünk fel kérdéseket: Milyen típusú felhasz-

nálókat kell kiszolgálnom? Mit akarunk kezde-ni a gyűjteménnyel?

4. Tervezzük meg a szakterületi modellt (domain model).

Vitassuk meg és illusztráljuk: Milyen típusú dolgokat (entitásokat) fognak a metaadataink leírni? Mik a kapcsolatok ezek között a dolgok között?

5. Azonosítsuk a kívánt metaadatelemeket a gyűj-temény számára.Írjuk le a

● kívánt elemet, ● az elem leírását és magyarázatát,

* A Dublin Core-ra épülő elemnevek. Magyarul megtalálható a MEK honlapján: https://mek.oszk.hu/html/irattar/dc.htm


ILÁCSA SZABINA

● példát, ● implementációját (kötelező/opcionális? is-mételhető?).

6. Döntsünk az „értékterekről”.19A fentieket egészítsük ki a következőkkel:

● Kontrollált az érték? (igen, nem és hogyan) ● Hogyan kontrollált? – Ez tartalmazhatja az előnyben részesített kifejezések listáját, egy létező értékszótár/séma nevét, szabályokat, ajánlást jó gyakorlatra és így tovább.

7. Keressünk létező elemeket más névterekből és „használjuk újra” őket.

Vegyük újra elő a használni kívánt elemek lis-tánkat, döntsük el, hogy „kölcsönzünk vagy létrehozunk”.

III. Szakasz – Előkészíteni a specifikációt8. Véglegesítsük az elemek listáját, dokumentál-

junk minden elemet egyedileg. Az összes elem (kölcsönzött vagy létrehozott)

véglegesítve lett, szedjük őket össze egy táb-lázatban, ami tartalmazza a következőket:

● elem neve (minden elemnek tartalmaznia kellene egy prefixet jelezve, hogy melyik névtérből származik), ● elem címkéje, ● elem URI-ja, ● definíció (Kölcsönzött elemnél tartsuk meg az eredeti definíciót. Ehhez hozzáadha-tunk egy a projektünkhöz átdolgozott de-finíciót is.), ● implementálás (kötelező/opcionális? ismé-telhető?), ● megjegyzés, ● névtér kontrol (Ezt össze lehet vonni a meg-jegyzéssel. Adjunk egy előre definiált kife-jezéslistát vagy egy létező értékszótár nevét. Vagy fektessünk le szintaxisra vonatkozó szabályokat.).

9. Készítsünk megfeleltetéseket (pl. szabványos adatcsereformátumokkal).

10.Írjunk specifikációt a teljes elemkészlethez.11.Készítsünk iránymutatást a használathoz. Ezen a ponton már minden elemnél kellene len-

nie egy „Megjegyzésnek”, ami tartalmazza az alapvető iránymutatásokat. Ez a dokumentum a teljes iránymutatást tartalmazza.

12.Készítsünk egy XML metaadatsémát. Másik opció, hogy készítünk egy OWL ontológiát vagy fejezzük ki az elemeket RDF Schema nyelven.

A tesztelés és a revízió nincs külön lépésként feltün-tetve, mivel azt a szerzők a teljes folyamat állandó elemének tekintik, még a specifikáció kidolgozása és az implementálás után is. Így a folyamat bármely pontján előfordulhat, hogy visszatérünk korábbi lé-pésekhez apróbb változtatásokat elvégezni.A közös munkát tulajdonképpen a 4. lépéssel kezd-tük, mivel az első hármat késznek tekinthettük. (Ter-mészetesen a fent említett tesztelés/revízió alól nem mentesültünk ez által.) A szakterületi modellünk alap-ját az LRM adta. Felvázoltuk az aktív és az archív ol-dal entitásait és ezek egymással való kapcsolatát. Erre a modellre alapozva áttértünk az 5–6. lépésre. Mivel a kiindulóalapot adó metaadatolási útmutató már ele-ve tartalmazott szabályozott szótárakat, logikusnak tűnt együtt tárgyalni a két kérdést. Hogy mihez érde-mes szabályozott szótárat használni és mihez szabad szöveget – vagy RDA-san fogalmazva, hogy milyen rögzítési metódust használunk – annak összhangban kell lennie a 3. lépésben megfogalmazott funkcionális követelményekkel. Például ha valamilyen elemnek szűrő funkciót szánunk, akkor szabályozott szótárat kell használnunk az elem rögzítéséhez, különben az elem értékei „szétfolynak” és nem lesz alkalmas a szűrő funkció ellátására.Az 5–6. lépés több részfeladatra bomlott. Első kör-ben megtárgyaltuk, hogy mi az, ami leíró, és mi más típusú metaadat a leírásban. A kiinduló alap ebben az esetben is a MIA-s útmutató volt. De nem minden esetben könnyű eldönteni, hogy egy adat milyen tí-pusú metaadat, mivel egy metaadat többféle szerepet tölthet be. Vegyük példának az aratás dátumát, ami leíró és technikai adat is egyben. Így az elemek átné-zésekor volt, amit egyszerűen át tudtunk helyezni a leíró szekcióból egy másikba. Viszont ahol többféle szerepben is állhatott ugyanaz a metaadat, ott szét-bontottuk az elemet aszerint, hogy milyen szerepet tölt be. A szerep szerinti külön modellezés még nem jelenti feltétlenül azt, hogy tulajdonképpen ugyanazt az elemet a leírás két külön pontján fogjuk külön-kü-lön rögzíteni. Erre a „profiltisztázásra” pontosan azért van szükség, hogy funkció szerint külön gondolkod-va az adatokról meg tudjuk állapítani, hogy hogyan „viselkednek” a különböző szerepekben, lehet-e őket egyben kezelni, vagy indokolt különválasztani.Ahogy már említettem, még nem kristályosodott ki teljesen a webarchiválás metaadatolására vonatkozó nemzetközi szintű jó gyakorlat. Ez a probléma legin-kább csak az archivált tartalom leírását érinti, mivel ott fordul elő az, hogy többféle típusú intézményi gyakorlatot kellene összehangolni. Az aktív oldal le-



írására viszont már vannak kialakult szokások. Mivel ez a forrástípus jellemzően a könyvtárakat „érdekli”, kevésbé problémás a leírása. Viszont ez nem jelenti azt, hogy ezen a területen ne lennének tisztázandó kérdések. Például: mint minden folytatódó forrásnak, az aktív és az archív oldalnak is van induló dátuma, az első aratás, illetve a weben való megjelenés dá-tuma. Megszűnéskor van lezáró dátuma, az utolsó aratás dátuma az archív esetében, de mi a helyzet az aktívval? Az-e a lezáró év, amikor a tartalom utoljára frissült vagy az, amikor az oldal többé már nem elér-hető a weben? A jelen álláspontunk az, hogy az utolsó frissítés dátumát fogjuk a lezáró dátumnak tekinteni, persze bizonyos „türelmi idő” leteltével.Ennél a lépésnél került sor a meglévő adatok aktív/archív oldalhoz való tartozásuk szerinti szétválasz-tására és ezen belül WEMI20 szintekhez sorolásukra is. Ahol lehetséges volt, megtörtént az RDA elem-készletével, illetve a négy rögzítési metódussal való megfeleltetés. Ahol a MIA-n dolgozó kollegák sza-bályozott szótárt használtak, ott megnéztük, hogy megfelelőnek ítélnek-e egy RDA-s vagy egyéb nagy nemzetközi szótárat helyette.Eddig csak az „alap” átnézéséről volt szó, de ezzel párhuzamosan átvizsgáltuk az RDA megfelelő szint-hez tartozó egyéb elemeit is olyan szempontból, hogy használhatóak-e a webarchívum kontextusában.Az RDA-nak való megfeleltetés korántsem volt egy-szerű feladat. Ehhez először is valami „fogódzót” kellett találnunk a forráson. Milyen típusú forráshoz hasonlít leginkább az archivált weboldal? Adja ma-gát a válasz, hogy leginkább a weboldalakhoz. Ennek azonban ellentmond, hogy a MIA-ban a webhelyek jelentős részéről nem egy mentés készül, hanem bi-zonyos időközönként újabb és újabb mentések, amik nem írják felül a régebbi állapotot, hanem többé-ke-vésbé új egységet képeznek. A „printvilág” forrásai közül így leginkább a folyóiratokhoz hasonlítanak. Tehát az archivált webartalom leírásakor hol az in-tegráló források tipikus leírásához fordultunk analó-giáért, hol a folyóiratokhoz.Erre az analógiára azért volt szükség, hogy fel tud-juk mérni, hogy egy adott elem használható-e és ha igen, akkor mi a tartalma. Például egy folyóiratnak van gyakorisága. Van-e az archív oldalnak gyakoriság jellegű adata? Igen van: az aratás gyakorisága. Ezt az adatelemet elég volt megfeleltetni, mivel a MIA jelenleg is nyilvántartja. De továbbgondolva az ana-lógiát, mi a helyzet a számozási adatokkal? Mivel az aratás dátumát használjuk arra, hogy a különböző mentéseket megnevezzük és sorba rendezzük, ezért

tekinthetjük az aratás dátumát a részegység számo-zási adatának.De van, ahol nem ilyen egyszerű a dolgunk, hiszen vannak olyan elemek is, amik kissé furcsának, már-már komikusnak hatnak webes környezetbe helyezve. Illusztrált-e egy weboldal? Ennek a kérdésnek csak akkor van értelme, ha a képi tartalmat kiegészítő tar-talomként értelmezzük, – de valóban az lenne egy weboldalon? Elég sok esetben maga a képi tartalom a fő tartalom. Egy elem rögzítésének akkor van ér-telme, ha elmond valamit a forrásról. Ki, mikor látott utoljára olyan weboldalt, amin abszolút semmilyen képi információ nem volt? Információértéke inkább annak van, amikor ilyennel találkozunk.A 6. lépésben az elemekhez kapcsolt szabályozott szótárakat néztük át. A vizsgált kérdések a követke-zők voltak: Hol lehetne szabályozott szótárat hasz-nálni, ahol eddig nem ezt használtak? A meglévő szótáraknál: Létezik-e olyan szabályozott szótár, ami ugyanúgy megfelel a rögzítési igényeknek, viszont jóval ismertebb/többek által használt, mint a jelen-legi? Az ez idő szerint használatban lévő elemeknél nem találtunk olyat, aminél érdemes volna a szabá-lyozott szótár használta. Ez többnyire csak az RDA elemkészletéből használatra javasolt elemnél került elő. Ilyenek voltak például az RDA-val leggyakrab-ban azonosított tartalom-, média- és hordozótípus elemek és szótáraik is. Azok az esetek, amelyekben a meglévő szótár változtatását javasoltuk, leginkább olyan elemeket érintettek, ahol a hozzákapcsolt szó-tár „saját” volt. Vagyis tulajdonképpen a leírás tar-talmazott egy előnyben részesített kifejezéslistát, amelynek elemeit nem egy már létező szabályozott szótárból választották. Ilyen volt például a change_frequency (a webhely változékonyságát írja le) és a harvest_frequency (az aratás gyakoriságát írja le) elem is. Itt a saját szabályozott szótár helyett java-soltuk a MARC 21 Publication Frequencies Scheme használatát. Ez az a szabályozott szótár, ami kódolt értékként a MARC 21 bibliográfiai formátum 008-as mezőjének 18. pozíciójára kerül. A kifejezésekhez kapcsolódó URI-k a http://id.loc.gov/vocabulary/frequencies.html oldalon érhetőek el.

Hogyan tovább?A II. Szakaszból (elemkészlet vagy alkalmazásprofil kidolgozása a gyűjteményhez) hátra van még néhány nagyobb téma megvitatása, de rövidesen kezdődhet a tesztelés. A tesztet a MIA demo archívumában el-érhető webtartalmakon gondoljuk elvégezni. A leírá-


ILÁCSA SZABINA

Jegyzetek és irodalom(Az elektronikus források megtekintése: 2020. ja-nuár 23.)1. RILEY, Jenn: Understanding Metadata: What is Metadata,

and What is it For? Baltimore, National Information Standards Organization,2017.6p.Elektronikusváltozatonlineelérhető:

. http://groups.niso.org/apps/group_public/download.php/17446/Understanding%20Metadata.pdf

2. Akifejezésnekmégnemtaláltunkolyanmagyarnyelvűfogalmat, amely az angol eredeti összes fontos jelentéstartalmát magában foglalná. A fogalom lefedi a tudatos visszakeresést és a böngészés közbeni véletlen „felfedezést” is. Az angol nyelvűverziómegtartásamellettszólazis,hogyaVuFindés a hozzá hasonló discovery szolgáltatások is ilyen néven gyökereztek meg a magyar szakirodalomban.

3. RILEY, Jenn: Understanding Metadata: What is Metadata, and What is it For?. Baltimore, National Information Standards Organization,2017.7p.Elektronikusváltozatonlineelérhető:

. http://groups.niso.org/apps/group_public/download.php/17446/Understanding%20Metadata.pdf

4. DOOLEY, Jackie – BOWERS, Kate: Descriptive Metadata for Web Archiving: Recommendations of the OCLC Research Library Partnership Web Archiving Metadata Working Group. Dublin, OH: OCLC Research, 2018. Elektronikus változat online elérhető: https://www.oclc.org/content/dam/research/publications/2018/oclcresearchwamrecommendationsa4.pdf

5. Levéltári kézikönyv. Szerk. Körmendy Lajos. Budapest, Osiris, MOL, 2009.

6. Könyvtárosok kézikönyve 2. Feltárás és visszakeresés. Szerk. Horváth Tibor, Papp István. Budapest, Osiris, 2003.

7. Levéltári kézikönyv. Szerk. Körmendy Lajos. Budapest, Osiris, MOL, 2009. 466 p.

8. Archive-friendlywebsite,onlineelérhető:http://mekosztaly.oszk.hu/mediawiki/index.php/Archivefriendly_website

9. DRÓTOS László (szerk.): Dokumentáció. Metaadatolási útmutató részgyűjteményekhez. Utoljára módosítva:2020.01.21. (kéziratban)

10. RIVA,Pat–LEBOEUF,Patrick–ŽUMER,Maja:IFLAkönyv

tárireferenciamodell.Abibliográfiaiinformációkelméletimodellje.2017.Onlineelérhető:https://www.ifla.org/files/assets/cataloguing/frbrrg/ifla_lrm_2017_hun_v3.pdf

11. RIVA,Pat–LEBOEUF,Patrick–ŽUMER,Maja:IFLAkönyvtárireferenciamodell.Abibliográfiaiinformációkelméletimodellje.2017.83p.Onlineelérhető:https://www.ifla.org/files/assets/cataloguing/frbrrg/ifla_lrm_2017_hun_v3.pdf

12. http://www.oszk.hu/okrszabvanyositas

13. DRÓTOS László – VISKYÁkos László: Dokumentáció.Metaadatolási útmutató egyedi webhelyekhez. Utoljára módosítva: 2019.08.12. (kéziratban)

14. ZENG, Marcia Lei – QUIN, Jian: Metadata. London, Facet Publishing, 2016. 216217 p.

15. COYLE, Karen – BAKER, Tom: Guidelines for Dublin Core ApplicationProfiles. 2009.Online elérhető: https://www.dublincore.org/specifications/dublin-core/profile-guidelines/

16. MALTA, Mariana Curado – BAPTISTA, Ana Alice: A Method for theDevelopement ofDublinCoreApplicationProfiles(ME4DCAP V0.2): Detailed description. 2013. Elhangzott a DCMI International Conference on Dublin Core and Metadata Applications 2013as Lisszaboni konferencián, onlineelérhetőhttps://dcpapers.dublincore.org/pubs/article/viewFile/3674/1897

17. BAKER, Thomas – VANDENBUSSCHE, PierreYves – VATANT, Bernard: Requirements for vocabulary preservation and governance. = Library Hi Tech, 31. vol. 2013. 4. no. 657668 p.

18. ZENG, Marcia Lei – LEE, Jaesun, HAYES, Allene F.: Metadata Decisions for Digital Libraries: A Survey Report. = Journal of Library Metadata, 9. vol. 2009. 34. no. 173193 p.

19. Eredetiben: value space. Az RDA terminológiában ezeket értékszótáraknak (value vocabulary) nevezzük.

20. AWEMI az LRM-benmegfogalmazottmagentitások (mű= work, kifejezési forma = expression, megjelenési forma = manifestation, példány = item) angol megnevezéseinek kezdőbetűjébőlalkotottbetűszó.

Beérkezett: 2020. január 24.

sokat értékelni fogjuk, az esetlegesen szükséges mó-dosításokat elvégezzük a modellünkön. Ezt követően indulhat a III. Szakasz, a specifikáció elkészítése.

Documents

Webhelyek metaadatolási problémái · 2020. 4. 21. · Az OSZK webarchiválási pilot projektjében a Szab-ványosítási Iroda feladata az volt, hogy segédkezzen a webarchívum